ستار هاشمی - دانشجوی دکتری کامپیوتر گرایش هوش مصنوعی
محمدرضا کنگاوری - اعضا هیئت علمی دانشکده کامپیوتردانشگاه علم و صنعت ایران
عادل رحمانی

استفاده از عاملها به منظور توسعه درخت تصمیم می تواند زمان یادگیری آن را بر روی مجموعه های آموزشی بزرگ کاهش دهد . در این مقاله یک روش جدید توسعه درخت با استفاده از عاملها پیشنهاد شده است که سعی در افزایش دقت درخت نهایی دارد . در این روش ابتدا مجموعه آموزشی به صورت تصادفی به چند قسمت تقسیم شده و هر قسمت در اختیار یک عامل قرار میگیرد. عامل ها پس از انتخاب خصیصه غالب در هر گره، نتایج را در اختیار عامل دیگری قرار میدهند، این عامل با استفاده از یک مدل آماری بنام کرامر، درخت نهایی را تولید می کند. در صورتیکه توزیع کلاسها و خصیصه ها در مجموعه آمورشی یکنواخت بوده و نیز اندازه مجموعه آموزشی کوچک نباشد، دقت درخت مورد نظر بهبود می یابد